Коллектив Авторов - Цифровой журнал «Компьютерра» № 204

А время электронику не щадит. Сохнут конденсаторы, окисляются контакты, выцветает люминофор, крошится магнитная лента. И, получается, от классического способа сохранения цифрового железа рано или поздно придётся отказаться. Нет, конечно, энтузиасты, восстанавливающие и дорабатывающие старые ЭВМ и гордящиеся тем, например, что древний «Мак» удалось выпустить в Сеть, безусловно, не переведутся. Но это одиночки-волшебники, цифровые археологи, их на всё не хватит. Массово же хранить компьютеры придётся в виде эмуляторов.

В чём главный недостаток эмуляции? Она предполагает изучение устройства методом обратного инжиниринга. А это означает, что даже в лучшем случае оригинал будет воспроизведён с ограниченной точностью: мелкие «баги», забытые аппаратные особенности не будут обнаружены и учтены. Следовательно, массовые эмуляторы (QEMU и пр.) для цифрового сохранения не годятся. Чтобы воссоздать цифровое устройство точно, нужно выйти на уровень электронных элементов: резисторов, транзисторов, микросхем. Можно ли эмулировать их работу? Можно, и это давно делается, разве что называется уже не эмуляцией, а симуляцией (то есть точным воспроизведением). Приложений масса, в том числе и свободных, но затраты вычислительных ресурсов так высоки, что, насколько мне известно, никто пока таким образом старые компьютеры не воссоздаёт.

Редкие исследователи, пробовавшие задачу эмуляции с исторической точностью на зуб, подошлик ней с другой стороны. Они предпочли усовершенствовать обычные эмуляторы, сделав их более гибкими. Примером может служить проект Dioscuri— первый эмулятор x86-систем, разработанный с прицелом именно на цифровое сохранение. Идея вкратце в том, чтобы воссоздать эмулируемое устройство максимально точно за счёт написания отдельного модуля для каждого из компонентов устройства; центральный процессор, память, графический адаптер, BIOS и прочее: за каждый из них в Dioscuri отвечает свой модуль. Это по-прежнему не идеально, но уже ближе к цели.

Что дальше? Рост вычислительной мощности на порядок (если только успеем до окончания действия закона Мура!), вероятно, позволит эмулировать старые устройства на уровне элементов. Но, к сожалению, и здесь мы быстро упрёмся в стену — потому что даже микропроцессоры 80-х, уж конечно, никто и никогда не «разберёт»: снимать слой за слоем, изучая их под микроскопом, слишком трудно, а публиковать исходники производители, скорее всего, не пожелают по причине упрямства — как упрямятся до сих пор публиковать фирменные прошивки игровых компьютеров тридцатилетней давности. И, получается, однажды мы неизбежно потеряем значительную часть цифрового наследия. Грустно, но что поделаешь?

К оглавлению

Опубликовано18 декабря 2013

«Умные» машины, телесные и бестелесные, окружают нас во всё большей степени. В квартире — пылесос, на складе — погрузчик, в смартфонах — голосовой помощник Siri. Но для того, чтобы машины эти стали подлинно умными, им необходимо обзавестись инженерным аналогом достаточно мощного головного мозга. Причём для решения не только тех задач, которые принято связывать с человеческим интеллектом, но и тех, с которыми справляются животные, и не обязательно высшие. И вот теперь решение этой проблемы переходит в практическую плоскость.

Сначала несколько слов о мощностях нынешних компьютеров в их мобильном обличье. Как отмечают читатели, процессор смартфонов ARM Cortex выдаёт 1,5–2 гигафлопс, ну а тот ENIAC, что позволил технологии в рамках Манхэттенского проекта овладеть внутриядерными силами, мог осилить лишь 500 флопс. И этого хватило для нужд атомной программы… Мощностей же нынешних смартфонов вполне хватает для того, чтобы создать автопилот дрона (« Смартфоны даруют мозги дронам»). А вот болтушка Siri зависит в своём функционировании от внешних серверов, из-за чего и впадает порой в длительные паузы…

Парадокс. Для с а мого что ни на есть передового научного исследования, связанного с абстрактным мышлением, хватило половины килофлопса. Гигафлопса хватает для автопилотирования дрона (подозреваю, что с лихвой хватит и для большого самолёта), связанного уже не с абстрактным мышлением, а с быстрой реакцией, равновесием и ориентацией в пространстве. А вот простейшее (то, что может любая базарная торговка или девка на завалинке, — быстро и связно трепаться) заставляет обращаться к внешним серверам…

А вот ещё критически важная для «умных» машин задача распознавания образов. С ней справляется и малый ребёнок, и лабораторный шимпанзе, и приподъездные кошки… И программное обеспечение от Google это тоже умеет, опознает лица людей и котиков. Но — требуя для этого массива из шестнадцати тысяч мощных процессоров, функционирование которых связано с весьма серьёзными энергетическими затратами, несопоставимыми с тем, кои употребляет на решение аналогичной задачи живой мозг (оценить затраты в единицах «флопс» затруднительно, ибо слишком уж велики порядки величин).

А объясняется этот парадокс историей технологий — в сопоставлении с историей человечества и живых существ. Для чего делались первые вычислительные машины? Для работы с абстрактными образами. Да, самое обычное натуральное число есть абстрактный образ. И не слишком простой. Читатель с математическим образованием — или, скорее, с интересом к этой науке — может обратиться к «Теории множеств» коллективного французского математика Николя́ Бурбаки́ и посмотреть, сколь громоздко приведённое там определение обыкновенного натурального числа 1.

Но вот эти-то абстракции, при их кажущейся простоте и доступности первокласснику, весьма могущественны. Движение небесных тел Кеплер описывал с помощью элементарной математики, а вот для того, чтобы определить наилучшую форму бочек для свойственника-бондаря ему пришлось создать основы математики высшей… И нынешние «мельницы чисел» с их гигантской производительностью не могут справиться с тем, с чем легко справляется кусочек серого вещества, неспособный сложить два и два.